Hagnaður:
- Geta til að greina hringrásarsleppingu í sjálfvirkri sjóndeildarhring og tökufótspor við bilanagreiningu frá raunverulegu skipulagi og skoða það handvirkt
- Skilja að jarðskjálftaflokkar eru tölfræðilegir og geta gert jarðfræðilega merkingu með þekkingu á brunnum og útfellingarumhverfi.
- Geta til að prófa hættuna á offitun í samsetningu eiginleika með blindholaprófinu og takmarka fjölda eiginleika í samræmi við fjölda brunna
Vinnslu er lokið; Þú ert með hreint, flutt jarðskjálftamagn. Nú byrjar raunverulega spurningin: hvað segir þessi mynd um neðanjarðar? Hvar liggja lagamörkin, í hvaða átt ná misgengin, hvaða svæði er sandur, hver er leir, hvar gæti verið lón? Jarðskjálftatúlkun er ferlið við að draga upp burðarvirki og setlíkan (stratigrafískt) líkan undir yfirborðinu úr fluttum gögnum. Í þessari einingu munum við sjá hvernig gervigreind (AI) framleiðir „fljótt fyrsta uppkast“ í sjóndeildarhring og bilanaleit, flokkun jarðskjálfta og eigindagreiningu, en hver byggir jarðfræðilega merkingu og lokalíkan.
Byggingareiningar túlkunar
Við skulum skýra skilmálana. Sjóndeildarhringur er samfellda endurkastandi yfirborðið sem sést á jarðskjálftaskurðinum og samsvarar almennt landfræðilegum lagamörkum. Misgengi er ósamfelluplan þar sem lög brotna og breytast; Það kemur fram á stöðum þar sem spegilmyndir eru rofin eða færð til í þversniðinu. Jarðskjálftaskjálftar eru rúmmálssvæði sem hafa svipaðan bylgjueiginleika (amplitude, samfellu, áferð) og endurspegla almennt svipað set umhverfi. Jarðskjálftaeiginleikar eru mælingar sem unnar eru úr ummerkjum sem beina auganu að ákveðnum eiginleikum (ósamfellu, halla, amplitude, tíðni); til dæmis, samhengi/samfellu eiginleiki varpar ljósi á bilanir og litrófsrof undirstrikar rúmfræði rásar.
AI í sjóndeildarhring og bilanaleit
Handvirk sjóndeildarhringur er þegar túlkurinn rekur speglun hluta fyrir kafla og merkir þúsundir punkta – nákvæmar en hægar. AI-undirstaða sjálfvirkir rekja spor einhvers geta byrjað frá nokkrum fræpunktum og dreift yfir allt bindið; Við bilanagreiningu geta CNN-undirstaða líkön (myndamynsturnámsnet) merkt ósamfellu í gegnum hljóðstyrkinn. Þetta klippir það sem áður tók vikur með höndunum niður í klukkustundir.
Hins vegar eru tvær gildrur. Í fyrsta lagi getur sjálfvirki rekja spor einhvers hjólað sleppt sjóndeildarhring – skipt frá einum öldutoppi yfir á nálægan topp; Niðurstaðan er að því er virðist slétt en jarðfræðilega ónákvæmt yfirborð. Í öðru lagi getur bilunarskynjarinn misskilið línulegan hávaða sem myndast við vinnslu (t.d. inntökufótspor) sem bilun. Þess vegna er hvert yfirborðs- og bilanakerfi sem myndast af gervigreindum handvirkt skoðuð á gatnamótum (gatnamótum með bilun) og brunnstöðum.
Ábending: Fylgstu með sjóndeildarhring sem fylgst er með sjálfkrafa í nokkrum lykilhlutum með því að leggja hann yfir gögnin sjálf. Yfirborðið hefur sleppt hringrás þar sem það skilur eftir sterka endurspeglun og hoppar á veikan topp; Ekki dreifa rúmmálinu án þess að leiðrétta þessi svæði handvirkt.
Flokkun jarðskjálfta
Facies flokkun er það verkefni að skipta rúmmálinu í svæði eftir bylgjueiginleika. Í eftirlitsaðferðinni úthlutar þú merkimiðum frá þekktum lithologies í brunnunum og þjálfar líkanið; Í eftirlitslausri nálgun flokkar líkanið sjálft svæði með svipaða eiginleika og þú gefur jarðfræðilega merkingu síðar. AI veitir mikinn hraða hér, en flokkar eru tölfræðilegir líkir, ekki jarðfræðileg staðreynd. Svæðið sem líkanið kallar „facies 3“ fær aðeins merkingu eins og „rásand“ með þekkingu á brunninum og útfellingarumhverfinu.
Athugið: Þú gefur upp fjölda flokka sem ekki eru undir eftirliti; Mismunandi fjöldi flokka framleiðir gjörólík kort. Ekki læsast inn í einn þyrping; Breyttu fjölda flokka og prófaðu hvort niðurstaðan haldist jarðfræðilega stöðug.
Gryfja í eiginleikagreiningu: fjölbreytusamband
AI getur sameinað heilmikið af eiginleikum og smíðað öfluga flokkara. En að reyna að passa fjölda eiginleika í fáa brunna leiðir til offitunar - vanhæfni líkansins til að leggja þjálfunardæmi á minnið og alhæfa yfir á ný gögn: kortið er fullkomið í brunnum og tilgangslaust á milli brunna. Regla: Haltu fjölda eiginleika í réttu hlutfalli við eftirlitsgögnin (brunn) og prófaðu kortið í sjálfstæðum brunni (blindpróf).
þrjú smámál
Tilfelli 1 - Sjónvarpsmæling niður í klukkustundir. Sjóndeildarhringur aðallóns í rúmmáli 900 km² var merktur handvirkt á 9 dögum. AI Tracker dreifði yfirborðinu frá 6 fræpunktum á 3 klukkustundum; Gagnrýnandi leiðrétti handvirkt 14 lota sleppt svæði. Niðurstaða: sama nákvæmni, einn dagur í stað daga.
Tilfelli 2 - Að misskilja fótspor fyrir mistök. Bilunarskynjari merkti reglulegar norður-suður línur. Umsagnaraðili tók eftir því að þessar línur samsvaruðu nákvæmlega línubilinu á tökulínunni: þær voru ekki gallar, heldur tökufótspor. Raunverulegar bilanir hlupu hornrétt á þetta reglulega mynstur; Þegar sporið var eytt varð bilanakortið þýðingarmikið.
Mál 3 - Offitting facies kort. Flokkari þjálfaður með 22 eiginleika og aðeins 5 holur gaf 98% nákvæmni á holunum en flokkaði sandstein sem leirstein í sjöttu (blindu) holunni. Þegar fjölda eiginleika var fækkað í 6 og endurþjálfað jókst nákvæmni blindhola úr 61% í 88%: Kortið var einnig áreiðanlegt yfir brunna.
Fjögur afritanleg sniðmát
1) Samráð um eiginleikaval:
Þitt hlutverk: sérfræðingur í jarðskjálftatúlkun. Markmið mitt: [rennsandi rás sandur / karbónat geymir]. Hvaða jarðskjálftaeiginleika (samhengi, litrófsrof, RMS amplitude, halli) og í hvaða röð ætti ég að nota til að varpa ljósi á þetta markmið? Hvað táknar hver eiginleiki, hvaða villandi mynstur gæti það framkallað? Útskýrðu stuttlega.
2) Sjálfvirk sjóndeildarhringsskoðun:
Ég er með sjálfvirkan sjóndeildarhring. Gefðu mér gátlista til að greina hringrás: í hvaða köflum, hvaða einkennum ætti ég að leita að (amplitude drop, skyndilegt dýptarstökk), hvernig staðfesti ég með brunnbindinu og í hvaða röð geri ég leiðréttinguna?
3) Facies bekkjarnúmerapróf:
Ég er að gera andlitsþyrpingar án eftirlits. Ég prófaði fjölda flokka 4,6 og 8, kortin komu öðruvísi út. Hvaða viðmið (dreifing þyrpingastærðar, samhæfni brunna, staðbundin samkvæmni) ætti ég að skoða til að meta hvaða þyrping er meira jarðfræðilega jafnvægi? Leggðu til ákvörðunarferli.
4) Yfirbúnaðarstýring:
Ég þjálfaði andlitsflokkara með [N] eiginleika og [M] brunna. Hvernig mæli ég hættuna á offitu? Hvernig set ég upp blindholapróf, hvernig takmarka ég fjölda eiginleika miðað við fjölda brunna? Gefðu aðgerðahæf skref.
Veik kvaðning / Sterk kvaðning
Veik kvaðning:
Finndu lónið í þessu bindi og kortleggðu það.
„Finna“ býst við töfrum í einu skrefi; AI framleiðir tölfræðikort án jarðfræðilegs samhengis, það er ekki hægt að sannreyna það.
Öflug tilvitnun:
Þitt hlutverk: túlkunarfræðingur með áherslu á lón. Samhengi: flæðikerfi, markrásasandur, steinefnafræði þekkt í 3 brunnum. Verkefni:(1) stinga upp á samsetningu eiginda sem auðkenna rúmfræði rásarinnar; (2) skrifaðu skrefin til að draga út frambjóðendur með eftirlitslausri þyrping; (3) Segðu mér hvernig á að prófa hvern frambjóðanda með 3 holum og blindri 4. holu. Settu niðurstöðuna fram á „frambjóðanda“ tungumáli, ekki „jarðfræðilegum staðreyndum“.
Jarðfræðilegt samhengi, brunnstýring og krafan um blindpróf gera úttakið forsvaranlegt.
Túlkunarverkefni og hlutverk gervigreindar
Leit
AI framlag
Aðaláhætta
sannprófun
Horizon mælingar
miklum hraða
Hjóla sleppa
Vel binda, sjónræn hlutaskoðun
bilanagreining
Búa til umsækjendur
Ekki misskilja fótspor þitt fyrir galla
Stýring á stefnu/krossgögnum
Facies flokkun
þyrping
tilgangslaus flokkur
Brunn og innsetningarumhverfi
Eiginleikasamruni
sterk aðgreining
yfirfitting
blindbrunnspróf
Algeng mistök
- Sjálfvirk dreifing sjóndeildarhrings án sjónrænnar skoðunar. Cycle skip framleiðir slétt en ónákvæmt yfirborð.
- Að misskilja hvert línulegt mynstur fyrir bilun. Fótsporið framleiðir reglulegar línur, líttu á stefnu þess.
- Eiga beina jarðfræðilega merkingu til facies bekknum. Flokkur er tölfræðilegur; Hafa vit með brunninum.
- Fleiri eiginleikar, færri brunnar. Offitting breytir kortinu í rusl á milli brunna.
- Slepptu blindprófinu. Að mæla nákvæmni aðeins í þjálfunarholum er villandi.
Í stuttu máli
AI í skjálftatúlkun; Það dregur úr sjóndeildarhring/bilunarakningu niður í klukkustundir, flokkar andlit fljótt og sameinar eiginleika á öflugan hátt. En sérhver hraðaaukning hefur gildru: sleppa hringrás, að misskilja fótspor fyrir bilun, tilgangslausa sýn, offita. AI framleiðir tölfræðilega yfirlit; Hann er túlkurinn sem breytir drögunum í jarðfræðilegan veruleika, hefur vit á þeim með þekkingu á brunninum og útfellingarumhverfinu og prófar þau með blindprófi. Hin fullkomna neðanjarðarmódel er alltaf sú sem maðurinn hefur komið á fót og varið.
Umsóknarverkefni
Veldu markmið (rásasandur, matarsódi osfrv.). Búðu til eigindaáætlun með sniðmátinu "Eigindavalsráðgjöf". Notaðu síðan „Facies flokkatalningarprófun“ sniðmátið fyrir þyrping án eftirlits og berðu saman að minnsta kosti tvær mismunandi flokkatölur; Skrifaðu niður hvor þeirra er jarðfræðilega stöðugri og hvaða brunnpróf þú munt nota til að sannreyna þetta.
gátlisti
- [ ] Ég skoðaði sjálfvirka sjóndeildarhringinn sjónrænt í lykilhlutum og leiðrétti hringrásarsleppinguna.
- [ ] Ég aðskildi umsækjendur um bilun frá fótspori með stefnu og krossgögnum.
- [ ] Ég túlkaði facies flokkana með brunninum og innsetningarumhverfinu.
- [ ] Ég takmarkaði fjölda eiginleika miðað við fjölda brunna.
- [ ] Ég prófaði niðurstöðuna í blindum brunni.